- getRotationMatrix2D()
这个函数给定一个旋转中心点的坐标、旋转角度和缩放因子，返回一个仿射变换矩阵 M，不考虑缩放因子的话其形式大概如下：
[M = egin{bmatrix} cos heta&sin heta&dx \ -sin heta&cos heta&dyend{bmatrix}
]
逆时针旋转 ( heta) 取正值，反之为负值。如果绕坐标原点旋转，那么 (dx,dy=0)，如果旋转中心点不在原点，那么则要通过 (dx,dy) 的值对旋转后的坐标进行调整。
红色框是旋转前的图像 src_img，宽和高分别为 h 和 w，黑色框是逆时针旋转 ( heta) 后的图像 dst_img。可以看到，如果旋转后图像的宽和高保持不变，那么肯定会有一部分图片会被裁掉。而如果想要保证旋转后图片的所有像素都保留下来，那么新图像就必须至少为浅蓝色框这么大。易知，新图像的宽和高至少为：
[w_1=w*cos heta+h*sin heta
]
[h_1=w*sin heta+h*cos heta
]
同时，由于我们是绕着原来图像的中心点进行旋转的，而旋转后图像的中心点(（w_1/2,h_1/2）)离原图像中心点(（w/2,h/2）)有偏移，所以我们需要将旋转后的坐标调整到以旋转后图像的中心点为基准。
[dx=dx+w_1/2-w/2
]
[dy=dy+h_1/2-h/2
]
import numpy as np
import cv2
img = cv2.imread(r'C:Users21058Downloadsa.jpg')
img = cv2.resize(img, (512, 512))
h, w = img.shape[:2]
angle = 30
M = cv2.getRotationMatrix2D((w//2, h//2), angle, 1.0)
angle = angle / 180 * np.pi # 转化为弧度制
h1 = int(w * np.sin(angle) + h * np.cos(angle))
w1 = int(w * np.cos(angle) + h * np.sin(angle))
M[0, 2] += (w1 - w) / 2
M[1, 2] += (h1 - h) / 2
rotate_img = cv2.warpAffine(img, M, (w1, h1))
cv2.imshow('img', img)
cv2.imshow('rotate_img', rotate_img)
cv2.waitKey(0)
